怎么在扣子空间上传知识库并配置RAG检索增强生成

一、知识库在扣子空间中的定位与准备工作

扣子空间作为团队协作与资产隔离的顶层单元，其知识库资产在同一个团队空间内支持跨多个 Bot（智能体）复用。大语言模型本身的训练知识存在截止时间且不包含企业的专有规则，检索增强生成（RAG，Retrieval-Augmented Generation）技术的作用，就是在用户提问时，先通过向量检索或混合检索从知识库中筛选最相关的段落，再将这些段落作为上下文注入提示词，让模型基于参考资料作答。

在开始上传前，需要准备格式规范的原始文档。扣子目前支持文本文件（如 TXT、Markdown、PDF、DOCX）、表格数据（CSV、Excel）以及通过 API 抓取的在线网页。文档质量直接决定检索效果，上传前应尽量剔除无意义的页眉页脚、统一专有名词拼写，并将过长的复合表格拆分为语义自闭合的行记录。

图1：扣子空间中检索增强生成（RAG）的数据链路与处理交互

二、在扣子空间中新建与上传知识库的步骤

在空间中建立知识库需要依次完成空间定位、单元类型选择与物理上传三个步骤：

1. 进入目标空间：登录扣子控制台，在左侧侧边栏切换至你的个人空间或企业团队空间。切勿直接在公共或默认测试空间建库，否则后续无法授权给特定团队角色。
2. 新建知识库单元：在空间主导航点击“知识库”（Knowledge），随后点击右上角的“创建知识库”。在弹出的面板中输入名称（建议采用业务域前缀，如 售后服务_标准FAQ）与详细描述，描述信息有助于后续多知识库自动路由。
3. 选择数据类型与上传：扣子提供文本、表格、API、URL 等类型。选择“文本”后，将本地处理完毕的 Markdown 或 PDF 文件拖拽至上传区域。

图2：从空间入口到向量索引就绪的操作实施四步骤

三、核心切分策略：自动分块与自定义分块的选择边界

上传文档后，扣子会要求配置“分段设置”。这一步直接决定向量检索的颗粒度：

• 自动分段（Auto）：系统默认按照约 600 至 800 字符进行语义断句。适合篇幅平铺直叙、段落层级简单的常见产品介绍与新闻材料。
• 自定义分段（Custom）：允许作者指定分段标识符（例如以 Markdown 的二级标题 ## 或三级标题 ### 截断）、单个分段的最大字符数（Chunk Size，建议 400–600 字）以及分段重叠区间（Overlap，建议 10%–15%，约 50 字）。

四、在智能体（Bot）画布中挂载与调优 RAG 检索参数

完成知识库上传并等待系统向量化处理完成后，需要进入智能体编辑页进行装配。在 Bot 编排界面的“知识库”组件区点击“+”，勾选刚刚创建的知识库。

图3：智能体画布中挂载知识库的关键交互与运行参数设定

在挂载面板的高级配置中，需要着重调整两个核心参数：

• Top-K 召回数量：控制每次向模型注入的相关切片数。通常建议设为 3 到 5。过小可能遗漏细节，过大则会稀释最关键答案，甚至造成模型处理注意力分散。
• 匹配度阈值（Score Threshold）：过滤掉相关度过低的分段。如果设为 0，无论问题多偏僻，系统都会硬塞入无关片段；建议设置为 0.65 至 0.75 之间，在召回率与准确率之间取得平衡。

五、Prompt 约束与验证闭环

仅挂载知识库仍不足以完全杜绝模型胡编乱造，必须在 Bot 的“角色设定 / 人设与回复逻辑”（System Prompt）中明确引用规范。例如加入约束：

请严格根据挂载知识库提供的信息回答用户问题。
如果知识库中未包含解决该问题的信息，请直接回答：“根据当前资料库，暂无相关说明”，严禁凭借通用知识编造推论。

配置完成后，通过右侧的“预览与调试”窗口进行验证。输入典型问题后，点击回复下方的“检索日志”展开明细，检查被命中的切片是否精准、相似度打分是否符合预期。如发现未命中，返回知识库检查分块是否把核心词隔断，或补充该问法的同义词表达。

六、配置要点与排错总结

下表归纳了在扣子空间配置 RAG 时最常见的异常现象及其解决路径：

图4：保障扣子空间知识库 RAG 精准度的三个关键控制点总结